基于局部二元模式的多模态癫痫发作检测算法
作者单位：杭州电子科技大学通信工程学院
会议名称：《信号处理在医疗2023学术年会》
会议日期：1000年
学科分类：12[管理学] 07[理学] 08[工学] 0711[理学-系统科学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 1002[医学-临床医学] 081104[工学-模式识别与智能系统] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0835[工学-软件工程] 100204[医学-神经病学] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 10[医学]
摘 要：长期视频脑电目前仍是准确诊断和评估癫痫的黄金标准,但对于院外患者而言,它的成本高昂,使用场景有限,不适合用于长期监测。因此,使用可穿戴设备来实时监测患者癫痫发作显得尤为重要。本文对便携设备采集到的多模态数据展开研究并提出了一种基于局部二元模式(Local binary pattern,LBP)的多模态癫痫发作检测算法。首先对信号进行预处理,然后进行LBP转换,再提取直方图特征,将计算得到的特征输入到随机森林(Random forest,RF)分类器中,最后对每个模态的分类结果进行加权融合。该算法对浙江大学医学院附属儿童医院使用腕带收集到的18例患者的加速度(Accelerometry,ACC)、陀螺仪(Gyroscope,GYR)、肌电(Electromyogram,EMG)、皮肤电(Electrodermal,EDA)数据进行5折交叉验证。实验结果表明,该算法的准确度、精密度、灵敏度和F1得分分别为86.71%、82.27%、93.58%和87.56%。